肉品加工团队构建了基于随机森林-递归特征消除的羊肉产地标志物分析新方法

近日，中国农业科学院农产品加工研究所肉品科学与营养工程创新团队成功构建了结合非靶向代谢组学与机器学习的羊肉产地溯源方法，相关研究成果发表于《Food Chemistry: X》（JCR一区，IF＝8.2）。中国农业科学院农产品加工研究所-爱尔兰都柏林大学2022级联合培养博士生刘崇歆为论文第一作者，加工所陈丽研究员和爱尔兰都柏林大学Simona Grosso助理教授为共同通讯作者。该研究得到了国家重点研发计划（2022YFD2100500）的资助。

不同地理区域肉羊由于饲养环境与品种的差异，羊肉品质存在显著差异，地理标志产品羊肉更容易被消费者接受，因此，羊肉的产地溯源备受消费者关注。

本研究利用非靶向代谢组学对中国五个主要地理标志羊肉品种进行系统分析，共鉴定出4139种代谢物，涵盖氨基酸及其衍生物、脂类、核苷酸及有机酸等24大类。在此基础上，研究团队首次将随机森林递归特征消除（RF-RFE）方法引入羊肉代谢组学数据的特征筛选，最终确定了Carnitine ph-C1、L-Cysteine 等14个最具判别能力的代谢物组合。进一步结合朴素贝叶斯（Naive Bayes）算法，构建了基于随机森林-递归特征消除的羊肉产地标志物分析新方法，溯源准确率达到100%。

该成果为推动中国羊肉品质溯源体系建设提供了重要的理论与技术支撑，并具有向其他食品推广应用的潜力。

文章链接：https://doi.org/10.1016/j.fochx.2025.102856

基于随机森林递归特征消除的羊肉溯源分析流程